AyuSwar: Ses Tabanlı Sağlık AI'ı Hint Dilleriyle Kurmak

Hindistan'da bir hastane poliklinikteki tipik sahne: doktor yazı yazıyor, hasta bekliyor. Şimdi bu hastayı 70 yaşında, Telugu'da rahat konuşan, gerçek konsültasyonlardaki Telug-İngilizce karışımını kullanan biri olarak düşün. Metin tabanlı bir uygulama bu kişiler için duvar gibi olabilir. Acil durumlarda yazı yazmak seçenek bile olmayabilir. bu yüzden AyuSwar (Ayu = yaşam, Swar = ses) geliştirildi: sadece ses kullanarak sağlık uygulaması ne kadar ileri gidebilir?

AyuSwar bir prototip, sentetik veriler üzerine kurulu ve tıbbi bir cihaz değil, klinik olarak doğrulanmamış. Acil durumlarda 112 ya da 108'i ara. Mimarisi dört aşamalı bir pipeline'a dayanıyor: Dinle, Anahtar Kelimeler, Risk, Rehberlik. Her aşama bir durum göstergesi taşıyor ve bu göstergeler uygulamanın hangi aşamada olduğunu gösteriyor.

Ses girdisini al, doğal dil işleme ile anahtar tıbbi terimler ve semptomlar çıkar. Sonra bu bulguları bir risk puanlaması modelinden geçir, aciliyet düzeyini belirle. Son olarak, risk seviyesine uygun rehberlik ver: ev bakımı tavsiyesi, doktor ziyareti önerisi ya da acil durum uyarısı. Tüm bu adımlar konuşan dile geri dönüyor.

Pratik açıdan bakarsak, bu mimari Python + Hugging Face transformers, bir anahtar kelime çıkarıcı (örneğin spaCy veya özel bir model) ve basit bir sınıflandırıcı ile gerçekleştirilebilir. Ses-metin dönüşümü için Google Cloud Speech-to-Text ya da açık kaynak Whisper modeli kullanılabilir. Cevabı geri sese çevirmek için Piper ya da Google Text-to-Speech uygun.

AyuSwar gibi projeler gösteriyor ki, sağlık teknolojisinde dil ve erişim engeli çözmek teknik kadar sosyal bir sorun. Sentetik verilerle başlamak, gerçek klinik ortamda test etmeden önce tasarım hatalarını yakalama şansı veriyor. Ama unutma: bu bir araştırma prototipi, gerçek tıbbi karar için asla buna güvenme.